導語：如何才能寫好一篇計算機視覺的核心，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：行政事業(yè)單位 預算 收支管理 問題 對策

中圖分類號：F812

文獻標識碼：A

文章編號：1004-4914（2015）10-140-02

財務管理是一項十分復雜且重要的工作，管理工作中涉及許多賬務問題，而預算及其收支管理作為整個財務管理系統(tǒng)中最重要的管理部分，其管理水平和質量將直接影響著整個財務部分的質量。由于行政事業(yè)單位自身的屬性是以服務為目的，在市場經(jīng)濟不斷發(fā)展和進步的同時，事業(yè)單位的成本預算及收支結算已發(fā)生了變化。因此，探討、分析財務管理工作中存在的問題具有重要的作用和意義。只有從這些問題中具體分析，根據(jù)其原因，并積極制定行政事業(yè)單位財務管理方面的具體對策，才能解決工作中存在的問題，為全面提高行政事業(yè)單位的預算及收支管理提供重要的途徑。

一、行政事業(yè)單位預算及收支管理中存在的核心問題分析

從目前現(xiàn)狀分析，在我國事業(yè)單位工作體系中，在財務管理方面有了明顯的改善，其資金預結算水平，財務資源的整合以及資金的使用效率等方面有了改善，這些對于廉政建設有著積極的作用。為了促使行政事業(yè)單位進一步提高財務管理方面的工作水平和質量，本文主要針對在具體工作中存在的問題進行研究，根據(jù)客觀工作分析，在預算和收支管理方面存在的問題主要從兩個方面進行研究，具體表現(xiàn)在：

1.預算管理中存在的問題。行政事業(yè)單位中，財務管理方面，其預算工作存在的問題主要表現(xiàn)在：

（1）預算意識尚不明確。目前在我國行政事業(yè)單位中，由于受到以前年度預算意識以及辦公習慣等影響，基本上是將其具體措施進行延續(xù)，在單位財務管理事項中，預算管理僅僅作為一種工作思維方式進行延續(xù)，并沒有在管理中發(fā)揮更大的作用。各個辦公部門在具體工作中的參與意識以及積極性不高，這就導致預算管理體系受到一定的局限性，另外，在編制預算的過程中，主要的目的是為了獲取預算結果，這就忽視了在預算過程中的一些論證和核實，并且在一定程度上導致預算管理部門的功能失去了自身的效益，并沒有發(fā)揮辦公效益。

（2）預算編制缺乏科學性和合理性。在具體辦公過程中對預算編制投入的時間比較短，這就難以保證預算結果。大部分行政事業(yè)單位將預算編制工作歸納到財務管理中，其大量的工作數(shù)量，在較短時間內(nèi)難以完成，嚴重影響了相關部門的積極性和工作態(tài)度。從而導致預算編制的不科學以及不合理，預算編制的質量難以保證。

（3）缺乏預算執(zhí)行力度。在當前行政事業(yè)單位的預算執(zhí)行考核意識不足，相關單位在完成工作之后，沒有對其進行預算分析、控制以及考核評價等，影響了預算功能，促使預算結果得不到有效的保障。

（4）預算監(jiān)督部門工作弱化。由于預算監(jiān)督是一項系統(tǒng)性工程，需要相關部門聯(lián)合運行，然而在當前預算工作中由于對系統(tǒng)和深度檢查不到位，缺乏一定的連續(xù)性，這就導致預算監(jiān)管受到一定的影響。另外，在辦公過程中相關部門沒有積極地配合，也影響了財務預算的效果。

2.收支管理中存在的核心問題。在一些行政事業(yè)單位財務管理方面，其收支管理工作存在的問題主要表現(xiàn)在：

（1）收支計量與會計核算方面存在的問題。在當前，一些行政事業(yè)單位在辦公過程中，在會計核算中出現(xiàn)了不規(guī)范現(xiàn)象。這就造成財務申報失效，相關的票據(jù)以及報表等內(nèi)容沒有真實性效果。同時由于在行政事業(yè)單位中，財務管理包含的內(nèi)容比較多，當發(fā)生了物資采購環(huán)節(jié)與付款相脫節(jié)之后，就會造成賬面與實際出現(xiàn)差異，在經(jīng)濟上不具有真實效力。

（2）制度問題。針對當前我國國庫管理實行的是分級分散收付制度。但是由于這些制度是建立在預算范圍具有多重性的基礎上實施的，因此在具體應用過程中就造成預算單位的賬戶管理比較混亂。另外，目前行政事業(yè)單位在具體財政支出環(huán)節(jié)，由于監(jiān)管與實踐存在一定脫節(jié)現(xiàn)象，因此這就導致了財政資金的浪費或者流失現(xiàn)象比較嚴重，造成具體的收支管理出現(xiàn)問題。

（3）收支管理控制方面存在的問題。收支管理主要延續(xù)以前工作狀況，這就造成現(xiàn)在的收支管理工作沒有真正做到收支兩條線，共同監(jiān)管。另外，在支出環(huán)節(jié)中使得原始財務不具有真實的核實效果，出現(xiàn)了先支出后申報的現(xiàn)象，造成財務收支管理出現(xiàn)漏洞。

二、行政事業(yè)單位預算及收支管理的對策分析

目前在行政事業(yè)單位辦公過程中，其財務管理中仍然存在很多問題，這些問題嚴重制約著財務管理工作水平的提升。筆者通過上述分析和研究，結合自身多年的經(jīng)驗，總結并歸納出一些解決財務管理中存在問題的建議和措施，具體有以下幾點：

1.提升預算的意識，鼓動全體員工參與。由于行政事業(yè)單位在預算工作中包含的內(nèi)容比較多，因此在具體工作中需要全體員工提高預算意識，積極參與，從各個細節(jié)中做起，做小、做細、做實，才能增強預算的科學性和有效性。可以設立相關的獎懲機制，針對在工作中遇到的問題具體分析，切實保證管理的實效性和高效性。

2.合理安排預算編制的時間和方法。在具體工作中要編制一個嚴謹?shù)念A算編制系統(tǒng)，在時間和方法上要科學合理。應該給予足夠的預算時間進行調查預測和論證分析。在具體方法上要采用“摒棄上年基數(shù)，本年調整”的措施，深入貫徹收支分離政策，提高工作效率。

3.建立健全預算考核制度，加強執(zhí)行力度。為了增強預算考核結果，這就要有效地執(zhí)行預算和收支管理，以良好的考核制度作為保障。在考核評價中要分為全面評價和動態(tài)評價兩種方式，從整體和部分具體實施，提高工作效率。

4.強化預算監(jiān)管力度，保證支出管理的科學性。在具體工作中要細化財務管理機構的職能，為預算和支出提供組織保障，在預算編制、執(zhí)行以及協(xié)調和審核等方面要針對具體的問題及時制定對策，強化監(jiān)管力度。在強化預算監(jiān)管力度和保證支出合理中要做到公開、透明、科學化，適當引入社會公眾以及媒體等機制，促使財務管理工作具有公開性和公正性。

三、總結

綜上所述，行政事業(yè)單位在財務管理工作中，針對預算和收支管理問題具有一定的系統(tǒng)性和高效性，因此本文針對在具體工作中存在的問題進行探究，并提出了相關對策，其主要的目的是增強預算收支管理的科學性、合理性和高效性，提高國家資源的利用率，進一步加強廉政建設，整合國庫資源，促使行政事業(yè)單位在財務管理工作中不斷進步，這些對于提升國家建設以及社會發(fā)展具有深遠的意義。

參考文獻：

[1] 劉華強，龔麗麗，劉艷波，薛輝.預算績效管理改革與行政事業(yè)單位財務管理模式探討[J].首都經(jīng)濟貿(mào)易大學學報，2013（16）

[2] 盛建英，朱江，張雪，徐克.新財政體制下行政單位財務管理研究：問題及對策[J].財政科學研究，2014（17）

[3] 張增連，陳麗琴，于洪軍，明哲.企業(yè)化管理的事業(yè)單位資金短缺及財務管理[J].財政科學研究，2014（24）

[4] 潘云霞，王祥楠，吳永霞，高潔.稅務事業(yè)單位財務管理問題分析對策研究[J].首都經(jīng)濟貿(mào)易大學學報，2014（33）

[5] 韓洪玲，陳建華，曹艷杰.基于部門預算績效考評的績效改革研究[J].行政預算，2015（37）

（作者單位：山西平陽重工機械有限責任公司 山西侯馬 043000）

篇2

關鍵詞 計算機；視覺技術；應用研究

中圖分類號：TP212 文獻標識碼：A 文章編號：1671-7597（2013）16-0114-01

計算機視覺技術自20世紀70年代產(chǎn)生以來就得到了全世界的廣泛關注。作為一種多學科綜合應用下的新技術，隨著專家對其研究會的不斷深入，其應用領域也越來越廣，給人們的生產(chǎn)生活帶來了極大方便。

1 計算機視覺技術

計算機視覺技術是在計算機技術應用下發(fā)展起來的一種新技術，主要用來研究計算機模擬生物的宏觀或外顯功能。該技術在應用過程中會涉及到計算機科學、神經(jīng)生物學、人工智能、模式識別以及圖像處理等多個學科，多學科技術的綜合運用使得計算機具有了“感知”周圍世界的能力，這也正是該技術發(fā)揮作用的核心所在。計算機視覺技術的特點就在于，首先，它能在不接觸被測者的前提下完成對被測者的檢測；其次，該技術應用的領域和檢測的對象非常廣，能在敏感器件的應用下，完成對人類難以觀察到的超聲波、微波和紅外線等的檢測；最后，該技術還突破了人在視覺觀察上長時間工作的限制，能對檢測對象進行長時間觀察。

2 計算機視覺技術在各領域的應用分析

隨著計算機視覺技術研究的不斷加深，該技術的應用領域也越來越廣，下面，本文就選取工業(yè)、農(nóng)業(yè)、林業(yè)、農(nóng)產(chǎn)品檢測、電力系統(tǒng)自動化及圖書館工作這6個方面對計算機視覺技術的應用進行簡要分析。

2.1 在工業(yè)領域中的應用

工業(yè)生產(chǎn)對產(chǎn)品的質量要求極高，計算機視覺技術在工業(yè)上的應用主要集中在以下3方面：1）產(chǎn)品形狀和尺寸的檢測上。對制造業(yè)而言，產(chǎn)品的形狀和尺寸是否合格直接影響到產(chǎn)品在實際應用過程中作用的發(fā)揮。計算機視覺技術的應用能對產(chǎn)品進行二維和三維等幾何特征的檢測，如產(chǎn)品的圓度、位置及形狀等。2）產(chǎn)品零部件缺失情況的檢測。在生產(chǎn)線運行過程中，計算機視覺技術能準確檢測出產(chǎn)品在生產(chǎn)過程中是否存在鉚釘、螺絲釘?shù)攘悴考娜笔б约爱a(chǎn)品內(nèi)部是否在生產(chǎn)過程中摻進雜質等。3）產(chǎn)品表面質量的檢測。為了從各個方面保證產(chǎn)品的合格性，對其進行表面質量的檢測也是一個極其重要的環(huán)節(jié)。計算機視覺技術實現(xiàn)了對產(chǎn)品表面的紋理、粗糙度、劃痕、裂紋等各方面的有效檢測。

2.2 在農(nóng)業(yè)生產(chǎn)領域中的應用

該技術在農(nóng)業(yè)領域的應用主要集中在以下兩方面：1）對病蟲害的預測預報。預測預報作用發(fā)揮的關鍵環(huán)節(jié)是建立起計算機視覺技術對所有昆蟲的識別體系。對昆蟲圖像識別系統(tǒng)進行數(shù)字化建模所使用的方法主要以下2種，一種是運用數(shù)學形態(tài)學的方法對害蟲的邊緣進行檢測，進而提取害蟲的特征；第二種是從昆蟲的二值化圖像中提取出昆蟲的周長、面積和復雜度等基本信息，并對這些信息建立害蟲的模板庫以實現(xiàn)對昆蟲的模糊決策分析。2）對農(nóng)作物生長的監(jiān)測。常用的方法就是運用計算機視覺技術下的非接觸式監(jiān)測系統(tǒng)對農(nóng)作物生長環(huán)境下的光照、溫度、濕度、風速、營養(yǎng)液濃度等相關因素進行連續(xù)地監(jiān)測，進而判斷出農(nóng)作物長勢。

2.3 在林業(yè)生產(chǎn)中的應用

該技術在林業(yè)生產(chǎn)中的應用主要集中在農(nóng)藥噴灑和林木球果采集這兩方面。就林業(yè)的農(nóng)藥噴灑而言，常規(guī)的農(nóng)藥噴灑方式易造成農(nóng)藥的大量流失，不僅達不到防止林業(yè)有害生物的目的，還浪費了大量的人力、物力和財力。計算機視覺技術的應用能通過對施藥目標圖像進行實時分析，得出具體的施藥量和準確的施藥位置，該技術指導下的施藥工作極大發(fā)揮了農(nóng)藥的效果。就林木球果采集而言，該采集工作的操作難度一直都很大，我國當前使用的方法主要是人工使用專業(yè)工具下的采集以及機械設備運用下的高空作業(yè)車采集和搖振采種機采集，這兩種方式都存在一定的安全性和效率問題。計算機視覺技術的應用能通過對需要進行采集的林木球果進行圖像采集來得出球果所處的具置，再結合專業(yè)機械手的使用完成球果采集。該技術不僅節(jié)省了大量勞動力，還極大提高了采摘效率。

2.4 在農(nóng)產(chǎn)品檢測中的應用

農(nóng)產(chǎn)品在生產(chǎn)過程中受自然環(huán)境的影響比較大，所以農(nóng)產(chǎn)品不僅會產(chǎn)生質量上的差異，還會造成顏色、大小、形狀等外觀上的極大不同。由于農(nóng)產(chǎn)品在出售時大多要進行產(chǎn)品等級的劃分，所以將計算機視覺技術運用到對其顏色和外形尺寸的檢測上，有效達到了對農(nóng)產(chǎn)品進行檢測的目的。通過對外觀大小尺寸的檢測，不僅提高了對農(nóng)產(chǎn)品進行分門別類地等級劃分的效率，還在很大程度上減少了對產(chǎn)品的損壞；通過對西瓜等農(nóng)產(chǎn)品進行顏色上的檢測，能準確判斷其是否成熟，有效避免了人工操作下的失誤。

2.5 在電力系統(tǒng)自動化中的應用

計算機視覺技術在電力系統(tǒng)自動化應用的表現(xiàn)當前主要表現(xiàn)在以下2個方面：1）在人機界面中的應用。人機界面在運行過程中更加強調人的主體地位，實現(xiàn)了用戶對各種效應通道和感覺通道的運用。具體來講，計算機視覺技術在用戶向計算機的輸入方面，效應通道實現(xiàn)了手動為主向手、足、口、身體等的轉變；在計算機向用戶的輸出方面，感覺通道實現(xiàn)了視覺為主向觸覺、嗅覺、聽覺等的轉變。2）在電廠煤粉鍋爐火焰檢測中的應用。對煤粉鍋爐火焰的檢測既能有效判斷鍋爐的運行狀況，又能在很大程度上實現(xiàn)電廠的安全性運營。由于煤的負荷變化和種類變化會在使著火位置發(fā)生移動，所以為了保證爐膛火焰檢測的準確性，必須彌補之前單純應用火焰檢測器只能判斷有無火焰開關量信號的弊端。計算機視覺技術的應用，就在彌補火焰檢測器應用弊端的基礎上，實現(xiàn)了對火焰形狀的進一步檢測。

2.6 在圖書館工作中的應用

隨著當前數(shù)字圖書館和自動化管理系統(tǒng)的建立，計算機技術在圖書館方面的應用越來越廣泛。當前計算機視覺技術在圖書館方面的應用主要集中在古籍修補和書刊剔舊這兩方面。就古籍修補而言，古籍圖書等在收藏的過程中，受溫度、濕度、光照等的影響，極易導致紙張變黃、變脆以及蟲洞等現(xiàn)象的出現(xiàn)。在進行修補時，依靠計算機視覺技術開展具體的修補工作，能在很大程度上提高修補工作的效率。就書刊剔舊而言，由于圖書館藏書眾多，對那些使用率低且較為陳舊的文獻資料進行及時地剔除，能實現(xiàn)圖書資源的及時更新。計算機視覺技術在該方面的應用，極大地保證了工作的準確性和效率性。

3 結束語

通過以上對計算機視覺技術在工業(yè)、農(nóng)業(yè)、林業(yè)、農(nóng)產(chǎn)品檢測、電力系統(tǒng)自動化及圖書館工作這6個方面的研究可以看出，隨著計算機技術的進一步發(fā)展以及計算機與各專業(yè)學科的不斷滲透，該技術的發(fā)展前景和應用領域都將更加廣闊。

參考文獻

篇3

關鍵詞：計算機；視覺檢測技術；原理；應用

中圖分類號：TP391.41

受到CIMS的推動和影響，諸多企業(yè)的發(fā)展趨勢逐步趨向于個性化以及自動化，這種大的發(fā)展趨勢間接的對我國的計算機輔助技術提出了更高的要求，計算機相關技術的發(fā)展面臨著更加嚴峻的挑戰(zhàn)。就現(xiàn)階段分析來看，計算機輔助檢測技術在現(xiàn)代諸多企業(yè)中得到了廣泛的應用。隨著柔性制造系統(tǒng)的不斷進步與發(fā)展，驅動圖像處理軟件、現(xiàn)場總線技術的日趨成熟，檢測系統(tǒng)的靈敏性、智能化特點愈發(fā)受到人們的關注，在這種大的發(fā)展趨勢之下，計算機視覺檢測技術得到了較快的發(fā)展。基于計算機視覺系統(tǒng)現(xiàn)已經(jīng)廣泛應用于現(xiàn)場監(jiān)控、工況監(jiān)視等諸多環(huán)境之中。

1 關于對視覺技術的相關研究

1.1 基于計算機的視覺檢測技術的原理分析和探究

圖像技術主要指的就是通過各種途徑所實現(xiàn)的對圖像的獲取以及進一步的深入加工和處理技術。根據(jù)視覺檢測技術的抽象程度以及對圖像處理方式的不同，可以大致將圖像的處理和加工技術劃分為三個最主要的層次，這三個層次分別是圖像的加工處理、圖像的分析以及對于圖像的理解。將這三個層次進行進一步的結合，便是圖像工程。計算機視覺檢測技術是一門新興的計算機檢測技術，該技術建立在對計算機視覺研究的基礎之上，吸收和借鑒相關的研究成果，借助于傳感器來實施三維測量，進而有效獲得被測物體的空間具置信息，故而可以很好的滿足當代制造業(yè)的發(fā)展需求。區(qū)別于一般的圖像處理系統(tǒng)，計算機視覺檢測技術所獲取的相關數(shù)據(jù)信息更為精準和迅速，其環(huán)境適應性更強。

基于計算機的視覺檢測技術注重計算理論的輔導作用，以應用為目標進行視覺技術分析。自上世紀七十年代以來，我國關于對計算機視覺檢測技術的研究又取得了顯著的進步，并且逐步邁入更為實質性的研究階段，在該階段中，逐步開始從通過從多個角度（諸如光學角度、生理學角度以及投影射影角度等等）對其成像問題加以分析。以Marr為代表的專家更是建立了一些一般性的視覺性處理模型來輔助該技術的研究。

1.2 視覺檢測技術中傳感器的作用

在計算機的控制下配有相關的視覺檢測系統(tǒng)，在該視覺檢測系統(tǒng)中，主要有三個主要方面的主要作用：第一，對于視覺傳感器模型的分析以及確定；第二，進行圖像數(shù)據(jù)分散與整理的相關工作；第三，CAD模型的建立。傳感器的主要作用就是對測量棒材的多個截面進行分析，將所收集得到的數(shù)據(jù)經(jīng)由圖像采集卡采集后，傳到相關的圖像處理系統(tǒng)中，進而進一步輔助準確的模型的建立。

2 基于計算機的視覺檢測技術的應用研究分析

2.1 基于計算機的視覺檢測技術的發(fā)展狀況研究

在研究的初步階段，相關技術人員借助于數(shù)字化的圖像處理技術，主要就是為了進一步提高所獲得的數(shù)字照片的清晰度和質量要求，進而更為精準、科學、規(guī)范的對照片所提供的信息加以辨別，為航空衛(wèi)星圖片的讀取、識別和分類做準備。在這一系列的視覺工作中，其中最為主要和常見的工作主要是包括分類、識別判讀以及三維結構的構建。

基于計算機的視覺檢測技術借助于對計算機視覺技術，將所獲得的被觀察物品的相關信息加以信號轉換，并傳遞給圖像處理系統(tǒng)，圖像處理系統(tǒng)通過甄別和判斷不同照片像素的分布和亮度等訊息，將其進一步轉換成為數(shù)字化信號，接下來由計算機的圖像系統(tǒng)抽出符合目標特征的信號加以運算，對下一步的設備動作加以決定和執(zhí)行。

就現(xiàn)階段而言，我國的計算機視覺檢測技術系統(tǒng)在諸多領域均有所應用，最為典型的領域諸如醫(yī)學的輔助診斷、機器人的感應系統(tǒng)、智能化的人機接口等均是建立在該技術的基礎之上。借助于計算機視覺技術這一手段，可以有效提高對產(chǎn)品檢測的效率，提高精準度，這種新型的視覺檢測技術相比較于傳統(tǒng)的人眼在流水線上的跟進，其具有顯著的優(yōu)越性，其獲取測量結構迅速、檢測結果可以直接被觀察、可以進行自動識別以及定位準確和實時性的特點，這就很好的避免了由于人的一些主觀性因素所導致的誤差出現(xiàn)。

二十世紀以來，基于生物特性的計算機視覺檢測技術得到了空前的發(fā)展，具體表現(xiàn)在人臉識別、生硬識別、指紋識別以及虹膜的識別中，形式日趨靈活和復雜多變。借助于計算機的視覺檢測技術，可以有效對用戶的身份進行鑒定和識別、判定用戶的特殊信息等。除此之外，還可以將基于計算機的視覺識別技術逐步推廣到其他領域，如海關的安全檢查以及出口、入口的安全控制等領域。

2.2 基于計算機的視覺檢測技術的相關應用分析

2.2.1 數(shù)碼相機中所采用的圖像采集技術

視覺檢測技術的一個顯著特點就是有效提高了生產(chǎn)的柔性和自動化程度，本世紀以來，數(shù)碼相機憑借其高分辨率，快速成像、顯像，功能豐富多變以及性價比較高的特定風靡全球，逐步取代了傳統(tǒng)的照相機，傳統(tǒng)的照相機主要采用的是CCD 攝像頭，其主要的核心及時采集卡，顯然這種采集系統(tǒng)已經(jīng)逐步落后于時展的腳步，現(xiàn)已逐步被淘汰。

2.2.2 微文字識別系統(tǒng)的相關研發(fā)和設計

隨著科學技術的不斷進步與發(fā)展，大規(guī)模集成電路得到了較快的進步，基于計算機的視覺檢測系統(tǒng)的成本得到了極大的降低，基于計算機視覺檢測技術的微文字識別系統(tǒng)的研發(fā)也被提到了日程中來。微文字識別系統(tǒng)的處理芯片大多是借助于數(shù)字信號處理芯片來實現(xiàn)圖像的識別，進而借助先進的語音合成技術將朗讀變?yōu)榭赡堋４送猓瑸榱吮阌谑褂茫撓到y(tǒng)的體積被盡可能的縮小，并且可根據(jù)美觀度和實用性等設計為各種形狀。

2.2.3 特殊用紙水印在線檢測系統(tǒng)

基于計算機的視覺檢測技術可以在某一特定領域代替人的主觀判斷，諸如水印質量的自動檢測方面。區(qū)別于普通的工作人員，計算機可以實現(xiàn)長時間工作，對于誤差范圍的控制可以通過設置等實現(xiàn)，而且在計算機執(zhí)行任務期間，所受到的客觀和主觀因素相對較少，這就極大程度上避免了由于人的因素所導致的失誤性操作，進而有效提高了工作效率以及檢測的精準度。這一優(yōu)點，在水印質量標準的認定中具有十分重要的意義和作用，通過研發(fā)一定的程序和軟件，可以制定出一套操作性強、權威性較高的水印清晰度量化標準。

3 基于計算機的視覺檢測技術的發(fā)展展望

綜合分析來看，計算機視覺檢測技術現(xiàn)已有大約四十年的歷史，作為一種新興的檢測技術，該技術的顯著優(yōu)越性不言而喻，該檢測技術以其高精度、反應靈敏迅速、智能化、自動化等特點被廣泛應用于諸多領域和行業(yè)之中，并取得了顯著的成，可以說，該技術具有十分廣闊的發(fā)展前景。但是，不可否認，基于計算機的視覺檢測技術并不是十分的成熟，在其設計和研發(fā)過程中仍然存在著諸多不足，而且視覺檢測技術是一項設計到心理、生理等多方面知識的復雜性技術，涉及領域眾多，更強大功能的實現(xiàn)需要人類知識的不斷拓展和延伸，因此，必須意識到該檢測技術發(fā)展道路上的困難和挑戰(zhàn)。

4 結束語

隨著科學技術的不斷進步與發(fā)展，經(jīng)濟的發(fā)展對于新技術的研發(fā)提出了更高的挑戰(zhàn)，再者由于廣大人民群眾生活質量的不斷提高，對于生活水平也有了進一步的認識和了解。基于計算機的視覺檢測技術的研發(fā)和進步，無疑更好推動了高速發(fā)展的經(jīng)濟，不斷滿足了人民群眾日益提高生活需求。由此來看，深入對視覺檢測技術的研究和探究無疑具有十分重要的作用，筆者衷心希望，以上關于對我國基于計算機的視覺檢測技術的相關探究能夠被相關負責人合理的吸收和采納，進而更好的推動科學技術的創(chuàng)新和進步，推動經(jīng)濟的不斷進步與發(fā)展。

參考文獻：

[1]李旭港.計算機視覺及其發(fā)展與應用[J].中國科技縱橫，2010（06）：42.

[2]張江明，張娟.淺談制造業(yè)中計算機視覺檢測技術的應用與發(fā)展[J].科技創(chuàng)新導報，2011（24）：1.

篇4

近日，國內(nèi)創(chuàng)業(yè)公司商湯科技宣布獲得4.1億美元B輪融資，這是截至目前為止全球范圍內(nèi)人工智能領域單輪最高融資。至此，這家成立僅三年的公司累計融資額達4.5億美元，估值超過15億美元，成為全球融資額最高的人工智能獨角獸企業(yè)。當前，人工智能發(fā)展勢頭良好，技術和產(chǎn)品研發(fā)能力大幅提升，市場空間逐步拓展，社會關注與投資力度持續(xù)加大，技術創(chuàng)新驅動的人工智能企業(yè)正成為資本青睞的熱點。

一、商湯融資背景分析

人工智能迎來估值猛漲期。自2014年起，人工智能領域一直都是全球投資熱點。近年來，技術與產(chǎn)品的迅速成長帶動國內(nèi)創(chuàng)業(yè)熱情高q，也引發(fā)了資本的高度關注。據(jù)統(tǒng)計，截至2017年5月31日，我國人工智能類創(chuàng)業(yè)公司已超過650家，產(chǎn)業(yè)規(guī)模較2016年同期增長達到51.2%，投融資事件超過430起，融資總額達340億元。科技巨頭加大在人工智能領域的布局，投資案例不斷涌現(xiàn)。同時，社會資本競相追逐人工智能領域的優(yōu)質項目，整體行業(yè)獲投率偏高，超過一半的人工智能公司成立時間在兩年之內(nèi)，可見資本市場對人工智能產(chǎn)業(yè)發(fā)展的信心。

計算機視覺領域成為熱點聚焦。在大數(shù)據(jù)、深度學習等新技術推動下，以計算機視覺和語音識別為代表的感知智能正呈現(xiàn)出高速演進態(tài)勢。目前我國計算機視覺技術水平已達到全球領先水平，并在安防、汽車、金融等領域取得了顯著的應用成效。在安防領域，智能技術如人臉識別、圖形識別應用場景眾多，如車牌識別、車輛視覺特征識別、被動人像卡口、身份證比對等應用。在汽車領域，圍繞智能駕駛汽車人工智能在環(huán)境感知、路徑規(guī)劃與決策等關鍵環(huán)節(jié)均有所應用和體現(xiàn)，在該領域百度、樂視等企業(yè)已開展卓有成效的實踐。廣泛的商業(yè)化渠道和技術基礎推動計算機視覺成為創(chuàng)投熱門領域，據(jù)數(shù)據(jù)顯示，中國人工智能創(chuàng)業(yè)公司所屬領域分布中，計算機視覺領域擁有最多創(chuàng)業(yè)公司。2016年，人臉識別服務開發(fā)商曠視科技完成至少1億美元融資，估值超過20億美元，專注圖像識別的圖普科技獲得千萬美元A輪融資。

商湯科技技術實力領先，發(fā)展?jié)摿薮蟆Ｉ虦萍贾鞴ト四樧R別、視頻監(jiān)控識別算法、增強現(xiàn)實、文字識別、自動駕駛識別算法和醫(yī)療影像識別算法等技術，基礎研究實力強大，高質量專利數(shù)量、專業(yè)學術數(shù)量均保持全國領先水平。在2015年ImageNet大規(guī)模視覺識別競賽中，商湯科技獲得視頻識別冠軍，次年在該競賽中，商湯科技憑借原創(chuàng)深度神經(jīng)網(wǎng)絡平臺，獲得3個項目的冠軍。商湯科技主要業(yè)務范圍是將計算機視覺技術賦能給安防、金融、機器人、政府大數(shù)據(jù)分析以及虛擬增強現(xiàn)實等行業(yè)。

二、由商湯融資帶來的兩點思考

篇5

關鍵詞 陶瓷設計，計算機視覺、觸覺設計

1前 言

歷經(jīng)數(shù)十年發(fā)展，CAD/CAM技術已取得了巨大成功，并迎來了數(shù)字化設計、數(shù)字化制造的時代。NURBS曲線曲面（非均勻有理B樣條）以其強大的形狀表示能力和配套的計算、編輯算法，已成為事實上的產(chǎn)品表示標準。細分曲面、隱式曲面是近年曲面造型研究的熱點，它們突破了NURBS在拓撲結構上的局限性，更容易表達某些復雜的形狀。

在陶瓷設計領域，經(jīng)常需要設計人體、動物等自然雕塑形體，現(xiàn)有的CAD系統(tǒng)可采用NURBS曲面、細分曲面、隱式曲面等來描述這些復雜對象[1]，但如何能快速、精確地設計出來，目前尚無有效的數(shù)字化工具。人們認識、改變外在事物時，主要利用視覺與觸覺的感官功能，通過手眼協(xié)調來設計出新的事物，設計師在設計新的對象時，也可如此操作。

近些年出現(xiàn)了一些價格較為便宜的觸覺式設計系統(tǒng)，如FreeForm系統(tǒng)，它抽取了大型虛擬現(xiàn)實系統(tǒng)的單一觸覺功能，可提供真實感的數(shù)字雕塑工具。但一般設計人員使用后的效果并不理想，雖可以在局部修修補補，但缺乏對整體形態(tài)的把握[2]。

本文提出了一套視覺與觸覺相結合的數(shù)字設計系統(tǒng)，以數(shù)碼相機和力感觸覺系統(tǒng)為工具，快速實現(xiàn)復雜形體的數(shù)字建模。首先利用數(shù)碼相機拍照，攝取參考對象的圖像，通過一個專門設計的攝影測量與計算機視覺集成系統(tǒng)重構出參考對象的三維數(shù)字模型；然后將此模型輸入到觸覺設計系統(tǒng)，經(jīng)局部的修正，得到新的設計模型。以下詳述系統(tǒng)組成及原理，并給出設計實例予以驗證。

2造型設計系統(tǒng)的組成

本文所提出的系統(tǒng)主要分為兩個模塊：視覺子系統(tǒng)與觸覺子系統(tǒng)。其中觸覺子系統(tǒng)是購置的，視覺子系統(tǒng)是獨立開發(fā)的[3]。相機采用奧林巴斯CL5050，拍攝的照片經(jīng)視覺反求系統(tǒng)處理后，得到VRML格式的三維模型，然后輸入FreeForm觸覺設計系統(tǒng)，進行再設計，最終輸出改型設計后的數(shù)字模型。圖1所示是視覺系統(tǒng)實物，圖2是觸覺系統(tǒng)的實物照片。

2.1 視覺系統(tǒng)[4]

本文提出的系統(tǒng)中，視覺系統(tǒng)為自主開發(fā)的，先講述相關的主要原理。

本文采用的視覺系統(tǒng)結合了攝影測量法的高精度與計算機視覺法的靈活性。近年來由圖片生成3D模型是一個熱門的計算機視覺研究領域，并相應提出了諸多的研究方法，其核心問題包括：相機標定、對應點匹配及3D重構等；針對每個問題均有大量的研究算法，特別是相機標定技術幾乎成為一個關鍵環(huán)節(jié)。

類似于測量系統(tǒng)控制網(wǎng)的概念，我們設計了一套控制特征點，相機直接根據(jù)控制特征點進行標定，可得到精度較高的相機內(nèi)外參數(shù)。圖3所示是控制點分布的實物圖。

我們對控制點分布采取了特殊設計，使任意角度下拍照，均有10個（通常要求至少6個）以上特征點被攝取。對特征點，采用了高精度的專業(yè)攝影測量系統(tǒng)Aicon加以標定，其空間坐標保存于一個數(shù)據(jù)文件中，以備相機標定時采用。

有了高精度的相機參數(shù)，就可以利用成熟的計算機視覺方法重構3D模型。我們采用了遮擋輪廓法[1]及空間剝離法[2]這兩種對環(huán)境要求較低、算法較為穩(wěn)定的方法，處理標定過的圖像，得到三維模型主要形態(tài)，可作為觸覺設計的基礎。

2.2 觸覺系統(tǒng)

觸覺子系統(tǒng)采用FreeForm觸覺式虛擬設計系統(tǒng)，通常也亦稱為3D Touch系統(tǒng)，采用了力回饋技術，手握觸覺筆在空間旋轉移動，屏幕里相應的雕刻刀便隨之移動；當?shù)窨痰督佑|到模型時，會有力回饋到握筆的手上，讓使用者感受到接觸時的力量。在雕刻時可設定模型的軟硬度，進而調整雕刻所需的力。常規(guī)的實物雕刻操作，在系統(tǒng)內(nèi)均有對應的虛擬工具，無論是雕刻效果，還是虛擬雕刻過程中的感受，與實際雕刻幾乎一樣，提供了十分逼真的雕刻環(huán)境。

3陶瓷狗的造型設計

在陶瓷設計中，經(jīng)常需要參考某種實物樣品。本實驗以圖1中的玩具狗作為參考對象，借助視覺、觸覺集成系統(tǒng)進行了兩次造型、建模試驗。視覺系統(tǒng)從不同角度攝取了10幅圖片，由這10幅圖片生成一個三維模型（見圖4）。整個建模過程僅需十幾分鐘，方便快捷。輸出的模型包含了參考對象的主要形態(tài)，稍加修整，即可得到新的改型設計。

以視覺系統(tǒng)的輸出為骨架，在FreeForm系統(tǒng)中進行細部的修整與再設計，并可添加修飾色彩，得到新的設計結果，見圖5。

在試驗中，如果僅依靠觸覺設計系統(tǒng)，即使熟練的操作人員，要設計出比例協(xié)調、結構合理的模型，也需要花費一天或數(shù)天時間。視覺系統(tǒng)的輸入極大地簡化了主體形態(tài)的構造，使不太熟練的設計人員也能利用觸覺系統(tǒng)，很快設計出新的作品。

4總 結

本文提出了視覺、觸覺相結合的方法，利用計算機視覺系統(tǒng)幫助設計人員觀察、感知設計對象，并把結果以數(shù)字形式保存起來；觸覺系統(tǒng)直接利用已有的觀察結果，通過手眼協(xié)調完成最終設計。這種混合系統(tǒng)彌補了非專業(yè)人員所缺乏的空間形體洞察力及操縱力，使他們不用經(jīng)過長期的專業(yè)訓練，也可快速地設計出新的作品。本文給出的實例已驗證了這一觀點。

本文揭示了虛擬雕刻過程所忽略的視覺思維環(huán)節(jié)，并設計出計算機視覺系統(tǒng)來加以彌補，取得了良好的結果，這套視、觸覺結合的設計系統(tǒng)可用于陶瓷產(chǎn)品的設計制造，可大幅度提高設計效率和設計質量。

參考文獻

1 Potemesil M.Generating octree model of 3D objects from their silhouetttes in a sequence of

images[J]．Computer Vision&Graphics Image Processing,1987，40(1):1～29

2 K.Kutulakos and S.Seitz. A theory of shape by space carving[J]. International Journal of Computer

Vision,2000, 38(3):199～218

篇6

關鍵詞： 邊緣檢測；SUSAN算子；角點檢測；亞像素；標定

中圖分類號：TB96 文獻標識碼：A

The Test Method of Wheel Alignment Parameters Based on Improved SUSAN Operator

LI Yu-yu1, HE Liang-liang2

(1. Automotive industry school in Anhui Province, Hefei Anhui 230041, China; 2. HeFei University of Technology, Hefei Anhui 230011, China)

Abstract: In view of the current four-wheel sensors' shortcomings, such as large amount, low accuracy, complex operation, and high maintenance costs, etc. we put forward a new method of detection which uses three-dimensional visual to detect parameters of four-wheel location. This paper expounds the improved SUSAN operator which is based on the proposed method. Through the collection of sequence image of the target disk format board which moves together with the wheels, we calculate three-dimensional cosine of the rotation axis of the wheels, then get four-wheel location geometric parameters. Compared with the traditional methods, this new method has many advantages, such as non-contact, real-time, simple operation, high precision and so on.

Keywords: edge detection; SUSAN operator; corner detection; subpixel; calibration

引 言

隨著汽車行駛里程的增加、使用時間的延續(xù)，其技術狀況必然發(fā)生改變。汽車行駛中的操作穩(wěn)定性與行駛安全性、輪胎的異常磨損以及燃油消耗的增加等均與汽車車輪定位不準有關[1,2]。目前，國內(nèi)廣泛使用了基于機器視覺的測量技術進行汽車四輪定位，計算機視覺是通過對三維世界所感知的二維圖像來研究和提取出三維景物的物理結構[3]。計算機視覺測量技術作為一種新興的、先進的高精度的測量技術，而攝像機標定是實現(xiàn)影像高精度測量的關鍵技術之一。本文根據(jù)空間向量原理與計算機視覺理論，提出一種四輪定位參數(shù)測量[4]的模板標定新方法，主要研究了針對棋盤格平面模板的亞像素級角點坐標的提取，為后續(xù)的攝像機的精確標定提供依據(jù)，并通過實車實驗進行了驗證。

1 四輪定位的主要參數(shù)

四輪定位的主要參數(shù)[5,6]包括：前束角θToe（車輪中心線與車輛幾何中心線之間的夾角）、外傾角θCamber（車輪旋轉平面與車輛縱向垂直面的夾角）、主銷內(nèi)傾角（kingpin inclination）θKI（在汽車橫向平面內(nèi)轉向節(jié)主銷軸線與鉛垂線的夾角）及主銷后傾角θCaster（在汽車縱向垂直平面內(nèi)轉向節(jié)主銷軸線與鉛垂線的夾角）等。

X、Y、Z分別為車體的橫向、鉛垂方向和縱向的坐標軸，根據(jù)立體幾何知識，四輪定位參數(shù)數(shù)學模型如式（1）所示，單位為度。

1.1 數(shù)學模型求解

根據(jù)四輪定位參數(shù)的數(shù)學模型，我們可以通過攝像機采集隨車輪運動的棋盤格式目標盤的序列圖像，對其進行角點檢測[7]，而后計算棋盤格角點的圖像坐標與世界坐標之間的單應性矩陣H[8]，結合攝像機標定所得到的攝像機內(nèi)參矩陣，便可求出棋盤格角點的旋轉矩陣，即車輪運動的旋轉矩陣，進而計算出車輪旋轉軸線的方向余弦，從而得到車輪的四輪定位參數(shù)，其具體的數(shù)學模型求解，流程如圖1所示。

2 改進SUSAN算子[9]的棋盤格角點檢測

棋盤格圖像是進行攝像機標定時最常用的圖像，由黑白相間的正方形組成，并以角點作為特征點。

從圖2可以看出，如果用原來的SUSAN算子進行角點檢測，由于邊緣和角點處的核值相似區(qū)都為模板區(qū)域的一半，故很難區(qū)分邊緣與角點，必須對SUSAN算子改進后才能用于角點檢測。所以我們采用如下的步驟對棋盤格進行角點檢測，首先用LoG算子進行邊緣檢測，然后在邊緣像素處用改進后的SUSAN算子進行角點檢測，最后利用灰度平方重心法進行亞像素角點定位。

2.1 棋盤格的邊緣檢測

在線攝像機標定過程中，因為利用SUSAN算子對整幅圖像進行角點檢測時，其檢測速度會比較慢，不能滿足在線標定對速度的要求。由于角點一定包含在圖像邊緣中，所以先利用LoG算子對圖像進行邊緣檢測，記下邊緣像素的坐標，再只對邊緣處的像素進行SUSAN角點檢測即可，這樣可以大大減少整個角點檢測的運算量。如圖3所示，是對棋盤格圖像進行邊緣檢測的效果圖。

2.2 棋盤格的角點檢測

從圖4可以看出，對于理想的邊緣，如a所示，其灰度不具有中心對稱性，而角點b、c、d、e均具有一定的中心對稱度。且對于理想的棋盤格角點e則具有完全的中心對稱性，而對于b、c、d 三種角點，其角點越尖銳，其對稱性越好。

選用37像素的圓形模板進行SUSAN角點檢測，選用相似比較函數(shù)[10]作相似比較，如式（2）所示。

式中t為相似度閾值，由于模板圖像灰度對比度很好，所以可適當取大一點，選用t=25作為相似度閾值，根據(jù)式（3）計算出核值相似區(qū)：

最后確定幾何閾值g，得到初始角點響應：

因為棋盤格角點的特殊性，其理想的幾何閾值g應為，對于實際的圖像，由于有噪聲的干擾以及攝像機的畸變，不可能是精確的直角角點，所以其幾何閾值最好選取～之間的值。從前面的論述可知，棋盤格角點具有完全的中心對稱性，而37像素的SUSAN圓形模板可方便地計算出其對稱度，所以就此提出了灰度中心對稱度的概念。

首先對SUSAN模板像素的一半依次搜索，找到其關于核心點的像素，求出二者的灰度差ΔI如式（5）所示。

ΔI=I（x,y）-I（x',y'）（5）

其中I(x,y)與 是關于核心點中心對稱的像素灰度值。灰度差ΔI與閾值d的比較得到點(x，y)的灰度對稱度D(x，y)為：

D（x,y）=1 ΔI＜d0 ΔI≥d（6）

閾值d是用來區(qū)分兩像素是否具有灰度相似性的關鍵，灰度區(qū)域的差值即為閾值d的取值。

將模板區(qū)域一半像素的灰度對稱度求和可得到整個模板的灰度對稱度S(x0，y0)為：

其中M表示整個模板區(qū)域，對于37像素的模板，其理想的最大灰度對稱度Smax=18。由于圖像角點模糊以及攝像機畸變等因素，棋盤格圖像的灰度對稱度S達不到Smax，所以在進行角點檢測時設定的灰度對稱度閾值可適當減小，文中取S=12。通過上述改進后可獲取出棋盤格的角點位置。

2.3 亞像素的角點檢測

通過上述方法檢測到的棋盤格角點并不是單像素角點，但是在進行攝像機的精確標定時，必須將角點定位到亞像素級。對棋盤格角點圖像進行分析可知，棋盤格角點圖像屬于灰度對稱分布的目標，而且圖像的灰度對比強烈，所以選取灰度平方重心法進行亞像素角點定位。設角點的灰度重心(x0，y0)為式（8）：

其中W(i，j)為權值，取W(i，j)=I2(i，j)，M是利用改進后的SUSAN算子檢測到的角點鄰域。該方法原理簡單，可以有效地實現(xiàn)亞像素角點定位。

3 四輪定位參數(shù)計算及實驗結果分析

圖像平面上的點m與平面模板的點M之間可通過單應性矩陣H來聯(lián)系，獲得匹配點的坐標就可以求圖像坐標與世界坐標之間的單應性矩陣H。用夾具將目標盤以一定角度安裝在車輪上，當車輛前后移動時，車輪及目標盤一起前后轉動，通過對目標盤上的進行運動前后的拍攝，得到旋轉前后的圖像，如圖5所示。然后進行圖像處理和分析提取出目標盤上的特征點，再根據(jù)特征點位置的空間坐標變化計算出車輪空間旋轉量，進而由該向量與空間坐標系各坐標軸夾角關系得出定位參數(shù)。

4 實驗結果及分析

應用車輪定位參數(shù)檢測實驗系統(tǒng)對奧迪A6L車輪定位參數(shù)進行了檢測，共測了3次，取其平均值作為最終結果，結果如表1所示。A列為改進算法前的四輪定位數(shù)據(jù)，B為改進算法后的實驗數(shù)據(jù)。從實驗結果來看，在通過本方法對特征點提取的算法做了改進后，實驗結果較之前精準，證明了本方法的正確性和有效性。

5 結 論

應用計算機視覺理論，建立了汽車四輪定位參數(shù)測量的數(shù)學模型，重點闡明了的改進SUSAN算子的亞像素角點檢測，避免了傳統(tǒng)SUSAN算子混淆角點和邊緣的缺點，可有效地檢測出正確的角點。由于只在棋盤格邊緣點附近進行角點檢測，其運算速度大大提高。灰度平方重心法的亞像素定位方法簡單高效，所以該方法非常適合于運用棋盤格對攝像機進行在線標定的場合。這是一種有別于傳統(tǒng)檢測法的新方法，以便提高汽車四輪定位的檢測精度。

參考文獻

[1] 羅進益，周. 轎車凹輪定位檢測與調整[M]. 北京：人民交通出版社，2002，3.

[2] 張遙遠，劉美生，羅發(fā)貴，王蛟茹. 四輪定位儀的性能評價與檢測[J]. 中國測試技術，2004，30（4）：3-6.

[3] 高 文，陳熙霖. 計算機視覺[M]. 北京：清華大學出版社，1999.

[4] 胡修泰. 3D激光車輪定位儀[J]. 汽車維護與修理，2003（07）：22-25.

[5] 王德超，涂亞慶，張鐵楠. 基于計算機視覺的汽車四輪定位參數(shù)檢測數(shù)學模型及方法[J]. 汽車工程，2008，30（03）：223-228.

[6] 張鐵楠，涂亞慶，王德超. 基于計算機視覺的汽車車輪定位技術研究[J]. 電子測量技術， 2008，31（04）：52-56.

[7] 郝潁明，朱 楓. 攝像機標定中的棋盤格自動檢測[J]. 計算機工程，2007，33（17）：213-215.

[8] 劉永強，劉軍民. 基于視覺測量的汽車車輪定位技術的研究[J]. 大連理工大學網(wǎng)絡學刊. 2008.

篇7

關鍵詞：太陽跟蹤； ARM微控制器； 計算機視覺； CMOS圖像傳感器

中圖分類號：TN91934； TP36文獻標識碼：A文章編號：1004373X(2012)04007104

Sun-tracking system based on ARM embedded image processing platform

CHEN Lijuan, ZHOU Xin

(Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China)

Abstract： Based on computer vision principle, the realtime tracking of sun was realized by taking ARM microcontroller as the core to construct the embedded image processing platform. The system collects images of sun through CMOS imaging sensor, and computes the sun angles relative to the tracking platform by a microcontroller. With the computed sun angles information, the system controls the turntable through a serial port to make the solar panel perpendicular to the sun radiations. Meanwhile, another tracking mode based on sun trajectory is integrated in the tracking strategy to insure the system reliability. The teat result indicates that the system can reduce the system energy consumption and effectively track sun.

Keywords： suntracking; ARM microcontroller; computer vision; CMOS image sensor

收稿日期：20110813

基金項目：國家自然科學基金資助項目（61102138）；南京航空航天大學基本科研業(yè)務費專項科研資助項目（V1090031）0引言

隨著社會的發(fā)展和進步，環(huán)保節(jié)能已經(jīng)成為人類可持續(xù)發(fā)展的必要條件。目前，再生能源的開發(fā)和利用越來越受到人們的關注。太陽能由于其普遍、無害、無限、長久等特點，成為最綠色、最理想、最可靠的替代能源［1］。但太陽能同時存在分散，不穩(wěn)定，效率低等特點，太陽能光伏系統(tǒng)為解決這一問題提供了條件［23］。

就目前的太陽能光伏系統(tǒng)而言，如何最大限度提高太陽能的轉換率，仍是國內(nèi)外的研究熱點。有研究表明，和始終朝南的固定表面相比，與太陽輻射方向始終保持垂直的表面對太陽能的利用率提高約33%［4］。太陽跟蹤裝置可以保證太陽輻射方向始終垂直于太陽能電池板平面，使接收到的太陽輻射大大增加，提高了太陽能的接受率與利用率，因而得到廣泛的應用。

太陽跟蹤裝置的分類方法有很多，按照跟蹤方法，主要可分為視日運動跟蹤和光電跟蹤，視日運動跟蹤又可分為單軸跟蹤和雙軸跟蹤［5］。光電跟蹤裝置有較高靈敏度，結構簡單，能通過反饋消除累積誤差，具有較大優(yōu)勢，但受環(huán)境影響很大。其關鍵部件是光電傳感器，常用的是光敏電阻。由于光敏電阻安裝位置不連續(xù)和環(huán)境光散射等因素的影響，系統(tǒng)不能連續(xù)跟蹤太陽，精度有限［6］。視日運動跟蹤能夠全天候實時跟蹤，但是存在累積誤差。其中，單軸跟蹤裝置結構簡單，但跟蹤誤差大；雙軸跟蹤裝置算法復雜，跟蹤難度較大，但跟蹤精度較高［78］。

本文用基于32位ARM嵌入式微控制器S3C2440來構建太陽跟蹤系統(tǒng)，采用CMOS圖像傳感器來感知太陽方位，并通過微控制器計算獲取太陽跟蹤誤差，實現(xiàn)對太陽的高精度跟蹤。加入視日運動規(guī)律，在跟蹤目標丟失時，對系統(tǒng)進行重新定位。同時，該系統(tǒng)的結構簡單輕便，功耗低，環(huán)境適應能力強，能應用于各種太陽能設備。

1硬件設計

1.1系統(tǒng)硬件結構

系統(tǒng)以ARM微控制器作為主控制器，采用CMOS圖像傳感器采集圖像，并利用雙軸轉臺來支撐太陽能電池板。其中雙軸轉臺集成了電機驅動與控制部分，通過串口與主控制器進行通信。

如圖1所示是太陽跟蹤系統(tǒng)的硬件結構圖。在圖1中，CMOS圖像傳感器與太陽能電池板處在同一平面，并固連在雙軸轉臺上；ARM處理器與雙軸轉臺的電機驅動部分采用串口通信方式；系統(tǒng)的供電均由蓄電池支持（包括ARM控制板和轉臺），因而形成了一個獨立系統(tǒng)。系統(tǒng)的基本工作原理是：根據(jù)視日運動規(guī)律或CMOS圖像傳感器采集的天空圖像，利用ARM處理器求取系統(tǒng)跟蹤控制參數(shù)，并通過串口來控制雙軸轉臺的轉動。

圖1太陽跟蹤系統(tǒng)的硬件結構圖1.2硬件介紹

（1） ARM微控制器。從實用角度考慮，太陽跟蹤系統(tǒng)的低功耗設計顯得尤為重要，ARM微處理器在保證高性能的前提下能夠盡量降低功耗［9］。相對于PC機，ARM微處理器占用空間較小，質量輕，可靠性強，硬件資源豐富，在簡化系統(tǒng)結構的同時為系統(tǒng)功能擴展提供了可能。系統(tǒng)選用32位ARM嵌入式微控制器S3C2440來構建控制平臺。運用ARM微控制器構建的嵌入式圖像處理平臺大大提高了圖像的處理速度，同時有效降低了系統(tǒng)成本。圖像處理系統(tǒng)還具有拆裝方便，配置靈活等優(yōu)點，安全性得到大大提高［10］。

（2） 雙軸轉臺。系統(tǒng)采用集成式雙軸轉臺，其結構如圖2所示，工作電壓為24 V，可利用蓄電池供電。在圖2中，x向為水平方向，y向為垂直方向。x向轉角對應太陽方位角，y向轉角對應太陽高度角。該雙軸轉臺x向轉動范圍為-157°~+157°，y向轉動范圍為0°~90°，集成了電機控制模塊，并提供串行接口，控制器可以利用串口通信來控制并驅動轉臺在x向和y向上的轉動。

（3） CMOS圖像傳感器。圖像傳感器產(chǎn)品主要有CCD，CMOS，CIS三種。其中CMOS圖像傳感器集成度高，價格低廉，而且可以實現(xiàn)數(shù)字化輸出，軟件可編程控制，提高了系統(tǒng)設計的靈活性，同時也具有較高的抗干擾性和穩(wěn)定性［11］。系統(tǒng)采用的圖像傳感器為OmniVision公司的OV 9650型COMS攝像頭，其功耗為30 μW，陣列大小為1 300×1 028 pixels，焦距為4.85 mm，像素大小為3.18 μm×3.18 μm，支持軟件可編程控制，輸出圖像格式包括YUV，RGB等。

圖2雙軸轉臺的結構圖2軟件設計

2.1跟蹤控制策略

圖3所示是太陽跟蹤系統(tǒng)工作過程流程圖，系統(tǒng)采用的跟蹤控制策略如下：

（1） 系統(tǒng)可設置2種工作模式，早晨6：00喚醒跟蹤控制系統(tǒng)，系統(tǒng)啟動跟蹤控制，進入跟蹤模式；下午18：00休眠系統(tǒng)，系統(tǒng)關閉跟蹤控制，進入待機模式。同時系統(tǒng)采用粗跟蹤和精跟蹤2種方式，粗跟蹤采用視日運動跟蹤方法，精跟蹤采用基于計算機視覺的跟蹤方法。粗跟蹤為精跟蹤提供初始工作條件，精跟蹤保證系統(tǒng)的跟蹤精度。

圖3太陽跟蹤系統(tǒng)工作過程流程圖（2） 喚醒跟蹤控制系統(tǒng)時，采用視日運動開環(huán)計算方法進行粗跟蹤。粗跟蹤的基本過程是：根據(jù)太陽運行的天文規(guī)律計算，利用系統(tǒng)時間和給定的當?shù)亟?jīng)緯度計算太陽高度角和太陽方位角，并根據(jù)計算結果來驅動并控制步進電機，從而調整太陽能電池板的角位置。粗跟蹤的目的是為了讓太陽進入圖像傳感器的視野范圍，主要用于首次定位和目標丟失后的重新定位。

（3） 系統(tǒng)工作在跟蹤模式時，周期性采集圖像，采用基于計算機視覺的閉環(huán)校正方法進行精跟蹤。精跟蹤的基本過程是：通過對采集圖像進行處理，獲取太陽角度偏差量。由太陽角度偏差量可得到轉臺應轉過的角度，從而使太陽能電池板能正對太陽。精跟蹤的目的是為了保證系統(tǒng)跟蹤精度。

（4） 系統(tǒng)工作在跟蹤模式時，由于陰天、雨天或其他原因，太陽光線很弱或基本看不見，導致CMOS圖像傳感器無法捕捉到太陽。此時，太陽能電池板的工作效率很低，為了減小跟蹤系統(tǒng)能耗，不進行電機動作并保持當前狀態(tài)。同時設置累計標志S，它表示圖像傳感器在連續(xù)S個采樣周期內(nèi)沒有捕捉到太陽。當S累計到設定值N時，采用視日運動開環(huán)計算方法重新粗定位，并重置累計標志S。這樣在降低系統(tǒng)能耗的同時可以提高系統(tǒng)可靠性。

2.2基于計算機視覺的跟蹤方法

基于計算機視覺的跟蹤方法，其基本過程如下：通過對采集圖像進行處理，得到太陽位置偏差量。如果偏差在預設閾值范圍內(nèi)，則保持當前狀態(tài)；如果偏差超出預設閾值F1的范圍，則根據(jù)偏差的方向和大小調整轉臺，使得通過圖像處理得到的偏差在預設閾值F2的范圍內(nèi)。其中閾值F1的范圍比閾值F2的范圍大，這樣可以減小電機動作次數(shù)，降低能耗。

（1） 圖像處理方法。圖像傳感器得到圖像后，首先進行圖像的灰度化。使用屏蔽字和移位操作來得到R，G，B分量，再進行比例轉換，得到灰度圖像。設置閾值，將圖像二值化，得到的圖像中的光斑即為太陽。找到太陽位置，計算光斑中心與圖像中心的偏差值，將該偏差值換算為太陽方位角和高度角的實際偏差值。

（2） 偏差角計算與轉臺控制。記CMOS圖像傳感器的焦距為f，像素大小為kx×ky。假設采集圖像上太陽位置偏離圖像中心的偏差為px×py，則可以計算太陽偏差角如下：

太陽方位偏差角：Δα=arctan(px×kx/f) ；

太陽高度偏差角：Δβ=arctan(py×ky/f) 。

根據(jù)太陽方位偏差角和高度偏差角，通過串口控制轉臺轉動，使太陽能電池板正對太陽。其中轉臺x軸應轉過的角度為太陽方位偏差角，轉臺y軸應轉過的角度為太陽高度偏差角。

2.3嵌入式處理平臺的實現(xiàn)

系統(tǒng)采用S3C2440作為主控制器。利用Linux內(nèi)核代碼，針對本處理器和本系統(tǒng)特點，對內(nèi)核進行相應的配置和裁剪，編譯生成嵌入式內(nèi)核，并選用yaffs作為根文件系統(tǒng)，將內(nèi)核映像文件和根文件系統(tǒng)燒寫到微控制器中，并編寫相應驅動程序。

程序在主機上設計完成后，需進行交叉編譯，然后下載到處理器運行。

首先在主機Linux系統(tǒng)下搭建交叉編譯環(huán)境，這里采用armlinuxgcc4.3.2 with EABI版本的交叉編譯器，并配置主機和目標板的NFS和FTP網(wǎng)絡，以實現(xiàn)主機到目標板的文件下載和主機對微控制器的控制。程序編寫完成后，進行交叉編譯，生成可執(zhí)行文件，下載到處理器運行即可。

3實驗結果

3.1基于計算機視覺方法的跟蹤實驗

如圖4所示是某次精跟蹤過程的實驗結果，其中(a)為CMOS圖像傳感器捕捉到的原始圖像；(b)為經(jīng)過灰度化、二值化后的結果，可以看出圖像中的太陽已經(jīng)被提取出來；(c)為精跟蹤一段時間后圖像傳感器得到的圖像，可以看出太陽處在圖像中心位置，此時太陽光線垂直照射太陽能電池板。

圖4視覺跟蹤試驗結果3.2系統(tǒng)技術指標

對本文提出的太陽跟蹤系統(tǒng)進行了性能測試，通過分析測試結果，該系統(tǒng)的技術指標如表1所示。

表1太陽跟蹤系統(tǒng)的技術指標

方位角范圍-157°~+157°高度角范圍0°~90°跟蹤精度0.05°系統(tǒng)自重 /kg11工作溫度范圍 /℃-10~60噪音范圍 /dB≤70系統(tǒng)平均耗電量 /W≤5

4結語

本文中設計的太陽跟蹤系統(tǒng)采用視日運動跟蹤方法和基于計算機視覺的跟蹤方法相結合的方式，一方面采用視日運動跟蹤方法進行初始粗定位和系統(tǒng)丟失目標時的重新粗定位；另一方面采用基于計算機視覺的跟蹤方法進行精確跟蹤。基于計算機視覺的跟蹤方法采用CMOS圖像傳感器采集太陽光斑，利用ARM微控制器處理采集到的圖像，實現(xiàn)對太陽的實時跟蹤。實驗結果表明，該系統(tǒng)可以連續(xù)跟蹤太陽的角度變化，能夠達到較高的跟蹤精度；當跟蹤目標丟失時，能夠利用視日運動跟蹤方法對系統(tǒng)重新定位，具有較好的環(huán)境適應能力。該系統(tǒng)具有較低的日均功耗、較高的跟蹤精度和可靠性，結構簡單輕便，可應用于各種太陽能光伏系統(tǒng)。

參考文獻

［1］，楊景常，鄭宇.向日葵型跟蹤太陽智能發(fā)電裝置的研制［J］.西華大學學報:自然科學版，2007，26（6）：1820.

［2］苑瑋琦，金晶晶．基于圖像傳感器的太陽方位檢測系統(tǒng)研究［J］．微計算機信息，2007，23(12)：141143.

［3］HELWA N H.，BAHGAT A B G.，SHAFEEA M R E, et al. Maximum collectable solar energy by different solar tracking systems \[J\]. Energy Sources, 2000, 22 (1): 2334.

［4］GAY C F, YERKES J W, WILSON J H. Performance advantages of twoaxis tracking for large flatplate photovoltaic energy system \[C\]// Proceedings of 16th IEEE Photovoltaic Specialists Conference. \[S.l.\]: IEEE, 1982: 13681371.

［5］鄭小年，黃巧燕．太陽跟蹤方法［J］．能源技術，2003,24(4):149151.

［6］杜偉巍，鄒麗新，尤金正，等．基于CMOS圖像傳感器的太陽自動跟蹤控制器設計與實現(xiàn)［J］．現(xiàn)代電子技術，2009，32(11):150154.

［7］鄭小年，黃巧燕，張曉黎，等．太陽集熱器跟蹤臺的設計與控制［J］．中國機械工程，2003，14(12)：10071009.

［8］KALOGIROU S A. Design and construction of a oneaxis suntracking system \[J\]. So1ar Energy, 1996, 57 (6): 465469.

［9］周立功．ARM微控制器基礎與實踐［M］．北京：北京航空航天大學出版社，2003.

［10］馬俊青，宋愛國，甘英俊.一種基于ARM的圖像處理系統(tǒng)的設計［J］.電氣電子教學學報，2009,31(4):6669.

［11］何小明．用CMOS芯片取代CCD［N］．中國電子報，2000915（5）.

［12］孫夢宇，趙敏，吳毅杰，等.基于ARM的電子負載網(wǎng)絡監(jiān)控系統(tǒng)\[J\].電子科技，2010(3)：4649.

篇8

AlphaGo的出現(xiàn)加速了人們對人工智能（Artificial Intelligence以下簡稱AI）的理解，但AI極客們的野心遠非19行的棋盤可以局囿，他們擁有酷炫的技術和非凡自信，并想以此來改變世界。

美國暢銷書作者、發(fā)明家雷.庫茲韋爾（Ray.Kurzweil）在《奇點臨近》一書中為人工智能的出現(xiàn)設定了三個條件：強大的計算能力、海量的知識儲備，最后還需要教會計算機擁有認知能力，通過機器學習技術讓計算機不斷的自行進化。

前兩者已經(jīng)實現(xiàn)。第三點，如何讓機器擁有認知能力是AI極客們關注的重點。

機器學習是人工智能的核心。機器學習將教會計算機認識現(xiàn)實世界，知道自然界的日升日落、陰晴圓缺，并能理解人類的行為和語言。機器學習的常用領域包括數(shù)據(jù)挖掘、視覺理解、語音識別和自然語言處理等方面。我們采訪了數(shù)位科技公司高層、新銳創(chuàng)業(yè)者，他們有一個共同的身份―國內(nèi)從事機器學習的應用和研發(fā)的專家。他們講述了中國人工智能發(fā)展的現(xiàn)狀，而一旦科技出現(xiàn)新突破，也預示著新一輪的商業(yè)變革。 先知

坐在記者對面，臉龐消瘦的陳運文笑得有些靦腆，言語卻充滿自信，“很多事情都是可以預測的”。

陳運文是國內(nèi)大數(shù)據(jù)方面的專家，曾任百度核心技術研發(fā)工程師和盛大文學首席數(shù)據(jù)官。現(xiàn)在他是個創(chuàng)業(yè)者，達觀數(shù)據(jù)創(chuàng)始人兼CEO。他為公司新入職的同事下發(fā)了一套題――如何預測泰坦尼克號上的幸存者。整套題通過獲取泰坦尼克號上所有乘客的真實信息，包括性別、年齡、職業(yè)、票價、艙位等，然后編寫程序來預測這2000余名乘員中哪些人最終得以生還。

在陳運文眼里，將所有信息加以綜合挖掘，就能夠推演出最終的答案―“705名生還者都可以準確預測。”

預測這樣的事件只是數(shù)據(jù)挖掘的一個案例，對于極客而言，只要給他們足夠的信息，這個世界就沒有意外和偶然。

現(xiàn)在，陳運文用自己的技術幫助企業(yè)進行商業(yè)決策。雖然只成立不到半年，但這個隱藏在張江天之驕子公寓里的創(chuàng)業(yè)公司已經(jīng)獲得真格基金和盛大網(wǎng)絡創(chuàng)始人陳大年的投資。

陳運文將第一批客戶瞄準為自媒體人，通過數(shù)據(jù)分析，為自媒體提供可以引發(fā)熱議的話題，并告訴這些作者，什么人喜愛看他們的文章、會關注什么話題。

讓機器自己學會分析信息早就在商業(yè)行為中廣泛存在。在百度工作期間，陳運文負責搜索引擎的核心算法研究，主要“為用戶提供最有價值的信息”。 工作的難點不在于搜索信息，而在于讓機器認知用戶的搜索意圖。

用戶經(jīng)常會在搜索框中輸入“口語詞匯或者模糊的語句”，服務器要從人們的搜索語句中判斷真正的需求。陳運文就需要設計算法讓搜索引擎理解用戶的語義，從數(shù)百億的網(wǎng)頁中迅速找到對用戶最有價值的結果。這種“算法”就屬于人工智能。百度每天的搜索有數(shù)十億次，每當陳運文改進了算法都能看到用戶點擊的滿意度在上升。

今天這種依靠數(shù)據(jù)挖掘技術來提高企業(yè)運作效率的方法變得更常見，業(yè)內(nèi)將其稱為“商業(yè)智能”（Business Intelligence）技術。陳運文計劃將這種技術在云端運用，另一些同類公司則將這種技術直接運用在軟件上。2010年在美國納斯達克上市的Qlik公司就是商業(yè)智能軟件的代表企業(yè)。他們的QlikView軟件為用戶提供“可視化”的大數(shù)據(jù)服務。

“我們的軟件可以理解數(shù)據(jù)，挖掘數(shù)據(jù)并將其用更直觀的方式展現(xiàn)給客戶，以幫助管理層做出決策。” Qlik亞太區(qū)制造業(yè)和高科技市場開發(fā)總監(jiān)Jeremy Sim對《財經(jīng)天下》周刊表述。

這些帶有“預測”功能的軟件已經(jīng)在服務并改變?nèi)藗兊纳睿热绺鶕?jù)顧客的購買信息QlikView會提示便利店店長，售貨架上的麥片不應該和面包擺在一起，雖然它們都是早餐食品，但如果將麥片和酸奶擺在一起，銷售數(shù)字會更好看。此類預測還進一步提醒物流部門，盡量地在頭天晚上補足麥片和酸奶貨源。這類商業(yè)智能的應用滲入所有人的生活，以這家公司為例，他們已經(jīng)在全球100多個國家招徠了3.8萬企業(yè)客戶，間接服務人群上千萬。

未來這些帶有“智力”的系統(tǒng)將會更多的出現(xiàn)在電商、醫(yī)療、教育、金融等領域。“比如隨著智能手環(huán)的增加，會有更多的健康數(shù)據(jù)被采集，那么我們會提供健康預警、治療方案推薦等服務。”陳運文說。現(xiàn)在只是大數(shù)據(jù)挖掘的初級階段，人工智能時代也才剛剛開啟。 視覺理解，打造機器之目

2014年6月，比爾?蓋茨訪華，除了見政商要員外，他還專門造訪了一家剛成立一年的創(chuàng)業(yè)公司―格靈深瞳。對于這家初創(chuàng)公司，比爾蓋茨留下了兩句后來被廣泛引用的評語“This is very cool”和“IT界的下一個大事件是計算機視覺（computer vision）與深度學習（deep learning） 的結合”。

格靈深瞳就是這樣一個結合了計算機視覺和深度學習為一身的酷公司。創(chuàng)始人趙勇是致力于視覺理解的知名極客，雖然他本人并不喜歡這個稱謂。

“極客（Geek）在英文里形容書呆子，只會做技術不通世事，但我覺得我是一個懂技術的正常人。”他對《財經(jīng)天下》周刊說。

趙勇專攻計算機視覺和運算影像學，2009年入職谷歌總部研究院任資深研究員，是谷歌眼鏡項目的骨干。“我們團隊負責谷歌眼鏡的場景識別技術，利用谷歌街景來判斷使用者所處的位置。”簡單地說就是將谷歌眼鏡捕獲的圖像和谷歌街景做比對，然后快速地定位用戶所處位置和周邊信息。谷歌眼鏡可以在500毫米之內(nèi)將用戶的位置精確到米級別。趙勇說谷歌眼鏡并不是“進化的產(chǎn)品，而是從無到有的突破”。

2013年初，趙勇回國創(chuàng)業(yè)成立格靈深瞳，并在三個月后拿到真格基金和聯(lián)創(chuàng)策源的聯(lián)合天使投資，同年6月格靈深瞳又拿到紅杉資本 A 輪高達數(shù)千萬美元的投資。

業(yè)內(nèi)傳播著投資人爭論其未來估值的段子，據(jù)說某次飯局上真格基金的徐小平、紅杉資本的沈南鵬和聯(lián)創(chuàng)策源的馮波討論格靈深瞳的未來估值，徐小平認為起碼5000億美元，而沈南鵬認為1000億美元，最后馮波折中地認為3000億美元。而現(xiàn)在中國電商巨頭阿里巴巴的市值還不到1900億美元。

受到比爾?蓋茨和投資人如此追捧的原因在于趙勇的研究方向―計算機視覺，這是機器學習中極為復雜的領域。

將趙勇和陳運一個對比就可以看出他們研究方向的不同。趙勇認為數(shù)據(jù)挖掘是讓計算機理解“結構化信息”，結構化指那些人工制作的成型的信息數(shù)據(jù)，例如一句話一段文字或者一份表格。但計算機視覺需要讓機器理解飄過鏡頭的一片樹葉，或者悄悄走過的一只貓。

陳運文對此也做了比較，他認為數(shù)據(jù)挖掘更多的是處理文本信息，而文字是具象的表達，機器看到漢字“貓”或者英文“cat”就可以理解這是一種動物，但圖片是抽象信息，給計算機看一張貓的圖片，讓它去理解貓的概念非常困難。

所以當2012年6月谷歌X實驗室宣布他們研發(fā)的“谷歌大腦”通過百萬張圖片的學習后可以識別“貓”的時候，全世界都為之震驚。這意味著谷歌培養(yǎng)的這個“孩子”具備視覺理解的能力可以“看圖說話”了。而參與“谷歌大腦”研發(fā)的吳恩達博士（Andrew Ng）也因為這個項目被譽為“谷歌大腦之父”，成為機器學習領域最權威的學者。

為了建造“谷歌大腦”，吳恩達使用了神經(jīng)網(wǎng)絡系統(tǒng)，他們連接了1.6萬片處理器創(chuàng)造了一個擁有10億多條連接的神經(jīng)網(wǎng)絡，并逐步地培訓這個系統(tǒng)，直到它擁有識圖的能力。

現(xiàn)在，趙勇做的事情與此類似。

他通過影像設備捕捉實時畫面，讓計算機識別這個真實世界，更為直接的說法或許是―趙勇正在研制“機器人之眼”。

像谷歌一樣，想讓計算機能識別圖像，趙勇也需要制作一個“深度神經(jīng)網(wǎng)絡”系統(tǒng)。

在人腦中有大約1000億個神經(jīng)元，神經(jīng)元通過神經(jīng)突出連接在一起就變成了一個神經(jīng)網(wǎng)絡，人們思考問題的時候這些神經(jīng)網(wǎng)絡相互激發(fā)，最終產(chǎn)生決策。現(xiàn)在極客們用計算機來模擬這個過程，用計算程序建立起龐大的計算元素，這些程序運算的結果通過網(wǎng)絡互為交換互相影響，最終產(chǎn)生結果，這就是初級的人工神經(jīng)網(wǎng)絡。人工神經(jīng)網(wǎng)絡層級越多規(guī)模越大，其“聰明程度”就越高，學習的能力就越強。

要培養(yǎng)這樣一個會“識圖的孩子”，趙勇除了要建立這樣一套龐大的神經(jīng)網(wǎng)絡之外，還需要不停訓練這個網(wǎng)絡。

“可以將神經(jīng)網(wǎng)絡當成一個黑盒子，我在里面設定了一些基本參數(shù)，隨后不停的往里面輸入數(shù)據(jù)、圖片來訓練它，通過這種大量的訓練，黑盒子里面參數(shù)的連接會越來越緊密，整個網(wǎng)絡也會越來越聰明，最終變成一個可以識別圖片的智能系統(tǒng)。”

嚴格地說，人工智能不是人類設計出來的，而是人類訓練出來的。即便是趙勇這樣的創(chuàng)建者也無法知道這些神經(jīng)網(wǎng)絡到底如何相互作用相互影響，并最終形成自己的智能系統(tǒng)。他能做的只是“選擇輸入數(shù)據(jù)，控制訓練方向”。

依舊以老師教育孩子做比喻，雖然趙勇這個老師不知道孩子是怎么理解圖片，識別這個世界的，但他可以控制教學的內(nèi)容，讓這個孩子朝某個方面學習。

趙勇花費了兩年時間才為格靈深瞳培養(yǎng)出自己的“孩子”，并將這些有“識圖能力”的人工智能設備應用到安防監(jiān)控和汽車識別方面。

去年格靈深瞳推出了名為“目”的行為分析儀，這是一個包含軟硬件于一體的智能監(jiān)控產(chǎn)品。“目”會實時監(jiān)控場景內(nèi)的情況，發(fā)覺異常就立刻報警或者提醒工作人員注意。而在另一個名為“威目”的產(chǎn)品中，格靈深瞳做到了車輛識別，他們訓練系統(tǒng)辨識超過5000種車輛，這幾乎涵蓋了地球上所有的汽車類型。這種能力為警方辦案提供了幫助，警方可以用“以圖搜圖”的方式讓“威目”提供他們需要的視頻資料。“警方提供一張汽車照片，威目在識別照片之后可以從交通錄像中找出該車的行動軌跡。”除此之外，該系統(tǒng)還可以搜索“結構化信息”，例如在系統(tǒng)中輸入2004年生產(chǎn)車牌中含有5這個數(shù)字的紅色奧迪A4汽車，“威目”就會在資料中截取相關的圖像或者視頻，而此前這些工作都需要人工完成。

如果計算機視覺技術以這樣的速度繼續(xù)，或許用不了幾年，當我們站在攝像頭前時，計算機會在屏幕上敲出那句讓人激動的言語―“I see you .” 造物者

“谷歌大腦之父”吳恩達在完成了“認貓”創(chuàng)舉兩年后離開了谷歌，加盟了百度，任職百度首席科學家并負責“百度大腦”的研發(fā)。

說服吳恩達做此決定的是他的好友，現(xiàn)任地平線機器人技術CEO的余凱。

余凱是國際知名的機器學習專家，他牽頭成立的百度深度學習研究院是國內(nèi)第一個研究深度神經(jīng)網(wǎng)絡的研究機構，加盟百度時被李彥宏稱為“鎮(zhèn)院之寶”。

“深度網(wǎng)絡學概起始于2006年，當時主要有5個機構從事這方面的研究，分別是多倫多大學、紐約大學、美國的NEC實驗室、斯坦福大學和蒙特利爾大學，而我當時在NEC實驗室工作。”余凱說。有段時間他還在斯坦福大學執(zhí)教《人工智能概論》。他領導的團隊在深度學習、圖像識別、文本挖掘、多媒體檢索、視頻監(jiān)控，人機交互等機器學習領域都有建樹。

去年余凱離開百度，在中關村的創(chuàng)富大廈租賃辦公室成立地平線機器人技術。成立僅4個月，這家公司就迎來了首輪投資，投資方包括晨興資本、高瓴資本、紅杉資本、金沙江創(chuàng)投等多家機構。

比起商業(yè)上的追求，余凱更想用技術改變世界―為萬物裝上人工智能的大腦，讓它們變成擁有智能思維的機器人。

在余凱看來，他在百度的工作主要是在“云端”搭建人工智能深度神經(jīng)網(wǎng)絡，其服務主要體現(xiàn)在“為用戶提供更智能的互聯(lián)網(wǎng)服務”，他希望通過人工智能技術應用到物理世界中，讓人們的生活變得更方便和簡單。“現(xiàn)在很多電器都采用軟件結合互聯(lián)網(wǎng)操控，我希望未來都可以實現(xiàn)本地人工智能操控。”

他準備讓汽車、空調、冰箱、微波爐等上千種產(chǎn)品或設備都具有從感知到?jīng)Q策的能力。比如用戶進入房間時空調就可以感知人的位置和體溫自動開機送風，并追隨人的移動而改變送風方向；冰箱則會讀取存儲食物的信息，及時提醒用戶食用或補充。

余凱利用深度神經(jīng)網(wǎng)絡算法來搭建他的人工智能框架。他將這種人工智能系統(tǒng)描述成“類似于安卓的智能硬件的大腦平臺”，這個系統(tǒng)可以安裝在不同的產(chǎn)品中。

他“改造萬物”的計劃先從家居產(chǎn)品和汽車兩個方面著手。地平線機器人技術研發(fā)了針對這兩個行業(yè)的人工智能操作系統(tǒng)。家居方面的基于深度神經(jīng)網(wǎng)絡的操作系統(tǒng)名為“安徒生”，汽車的則稱為“雨果”。

現(xiàn)在 “安徒生”已經(jīng)入駐家電產(chǎn)品，在剛剛過去的上海家博會展上，地平線機器人和某國內(nèi)知名家電廠商合作的兩款智能產(chǎn)品面世參展。“現(xiàn)在業(yè)界最大的智能家居廠商都是我們的客戶，我們向他們提供算法操作系統(tǒng)，并告訴他們?nèi)绾闻渲糜布O備，就像安卓向手機廠商提供參考設計一樣。”

下一步余凱準備讓“雨果”進入汽車自動駕駛領域，在安裝了傳感器、處理器和雨果大腦平臺后，汽車可以成為提供無人駕駛或智能駕駛的新型交通工具。

“定義萬物智能的大腦，這還要花很長時間，但是我覺得一步一步往那邊靠近。” 余凱知道地平線機器人的征程漫漫，但對于AlphaGo對戰(zhàn)李世石這樣的人機大戰(zhàn)新聞他卻無比篤定。“賽前幾乎所有專家都說這次機器贏不了，但我在接受網(wǎng)易采訪的時候就公開預測機器會贏，因為我了解AlphaGo的算法。”

陳運文也表達了相同的猜測。3月9日下午，陳運文就興奮地預測AlphaGo能夠獲勝，那時首爾的李世石剛在棋盤上落下自己的第一枚黑子。

3個小時后，對弈到186手時李世石投子推枰宣告認輸。

篇9

1、相機系統(tǒng)的定義：即圖像信號處理器，用于處理圖像信號傳感器輸出的圖像信號。在相機系統(tǒng)中占有核心主導的地位，是構成相機的重要設備。

2、相機系統(tǒng)的基本內(nèi)容：相機系統(tǒng)是對于計算機視覺最常見的系統(tǒng)，由各種不同相機、光源、存儲設備的系統(tǒng)共同組成。

3、相機系統(tǒng)的構建方式：根據(jù)應用的不同，可以選擇不同的陣列構建方式，如雙相機、8相機平行陣列、32相機環(huán)形陣列、64相機球形陣列等多種平臺。

（來源：文章屋網(wǎng) ）

篇10

關鍵詞:智能科學與技術專業(yè);課程體系;教材建設

繼2004年北京大學率先在國內(nèi)建立“智能科學與技術”本科專業(yè)之后,2005年,北京郵電大學、南開大學和西安電子科技大學;2006年,首都師范大學、北京信息科技大學、武漢工程大學和西安郵電學院;2007年,北京科技大學、廈門大學和湖南大學;2008年,河北工業(yè)大學和桂林電子科技大學;2009年,重慶郵電大學和大連海事大學;2010年,中南大學和上海理工大學先后經(jīng)教育部批準先后設立了“智能科學與技術”本科專業(yè)[1-2]。在中國人工智能學會教育工作委員會的指導下,自2002年起,各相關專業(yè)教師定期召開智能科學與技術教育學術研討會,并出版教育論文專輯,大力推進了我國智能科學與技術教育的健康、快速發(fā)展,并對我國智能科學技術的人才培養(yǎng)和學科建設起到了極大的帶動作用。

作為一個發(fā)展中的新興專業(yè),目前各高校仍主要結合自身基礎和特點建設該專業(yè)。如南開大學以智能技術與智能工程為核心專業(yè)課程[3];北京科技大學從社會需求角度出發(fā),以提高學生軟件實踐能力為切入點[4];河北工業(yè)大學根據(jù)相關專業(yè)的就業(yè)現(xiàn)狀,以提高學生硬件實踐能力為著力點[5]。為了解決南開大學、北京科技大學和河北工業(yè)大學3所高校共同面臨的課程體系和教材建設等問題,三校教師分別于2010年6月16日和8月2日在南開大學、河北工業(yè)大學進行了兩次研討,現(xiàn)將研討成果匯總于此。

1研討背景

“智能科學與技術”專業(yè)自開辦以來,不可避免地要回答如下3個方面的問題:

1) 來自用人單位的問題:“智能科學與技術”專業(yè)是做什么的?與其他專業(yè)相比優(yōu)勢何在?

2) 來自學生及家長的問題:“智能科學與技術”專業(yè)是學什么的?與其他專業(yè)相比優(yōu)勢何在?

3) 來自教師自身的問題:“智能科學與技術”專業(yè)應該教什么?與其他專業(yè)相比優(yōu)勢何在?

無論是做什么、學什么還是教什么,歸根到底是課程體系和教材內(nèi)容。無論是研究生課程下移(帶來學生接受知識的困難),還是在其他專業(yè)教學體系基礎上做簡單的增、刪、改(帶來學生知識結構的凌亂),都是不行的,長此以往的后果將是沒有優(yōu)勢,只有劣勢。

南開大學、北京科技大學和河北工業(yè)大學3所高校的“智能科學與技術”專業(yè)建設都源于自動化專業(yè)基礎,而且都具有典型的工科特色;同時3所高校分別是教育部直屬“985”高校、教育部直屬國家“優(yōu)勢學科創(chuàng)新平臺”建設項目試點高校和河北省屬“211”高校,3所高校的“智能科學與技術”專業(yè)分別于2006、2007和2008年招生。3所高校在“智能科學與技術”專業(yè)建設上的異同特點以及地域便利的條件,為優(yōu)勢互補、交流融合提供了機遇。

2課程體系

根據(jù)研究任務的不同,智能科學技術涵蓋的內(nèi)容可以劃分為智能科學、智能技術、智能工程三個層次[6]。

1) 智能科學:主要任務是研究人的智慧,建立人機結合系統(tǒng)理論,并用其模擬人的智慧。

2) 智能技術:在智能科學的框架內(nèi)創(chuàng)建人機結合智能系統(tǒng)所需要的方法、工具和技術。

3) 智能工程:利用智能科學的理念和思想,充分運用智能技術工具創(chuàng)建各種應用系統(tǒng)。它是當前新技術、新產(chǎn)品、新產(chǎn)業(yè)的重要發(fā)展方向、開發(fā)策略和顯著標志。

根據(jù)上述智能科學技術的劃分,智能科學與技術專業(yè)的課程體系同樣劃分為理論、技術與工程應用3個層次,具體框架如圖1所示。

需要說明的是,由于課時、學時等因素的限制,有些課程需要包含未列入課程的部分內(nèi)容。如智能科學與技術概論課程內(nèi)含系統(tǒng)論的簡要介紹;智能控制系統(tǒng)包含可編程序控制器、智能傳感器、智能執(zhí)行器等內(nèi)容;智能工程包含若干典型智能系統(tǒng)實例。

3教材建設

經(jīng)南開大學、北京科技大學和河北工業(yè)大學3所高校的討論,一致認為工科專業(yè)應以技術和工程應用兩個層次為核心,并將人工智能導論和智能信息處理兩門課程的教材合并為智能技術。同時,根據(jù)南開大學側重理論、北京科技大學側重軟件、河北工業(yè)大學側重硬件的原則進行分工,編寫對應課程的教學大綱和教材內(nèi)容。

3.1智能技術

本課程包括智能計算和計算機視覺兩部分,分別介紹以對人腦的物理結構進行模擬為主要特征的聯(lián)接主義智能技術和以模擬人類視覺處理為主要特征的計算機視覺兩部分。它是智能技術的主干內(nèi)容;也是實現(xiàn)智能技術、組成智能系統(tǒng)的重要工具,屬于本專業(yè)本科生的專業(yè)基礎課。通過智能技術的學習,學生應能夠掌握智能技術的基本原理和方法。通過課堂講解、,并配合一定的作業(yè)練習、上機實驗等環(huán)節(jié),學生應初步具備運用智能技術和方法分析和解決問題的能力。本課程擬定90學時,其中授課54學時,實驗36學時。

教材內(nèi)容包括智能計算和計算機視覺兩部分,智能計算部分包括神經(jīng)網(wǎng)絡、模糊理論和遺傳算法/蟻群算法,計算機視覺包括計算機視覺導論、計算機視覺理論基礎、圖像預處理、圖像分割、物體識別、圖像理解、雙目立體視覺、三維視覺技術、主動視覺。

神經(jīng)網(wǎng)絡講授單個神經(jīng)元(感知器)的動作原理,與實際生物神經(jīng)元的對應關系;講授BP神經(jīng)網(wǎng)絡的組成,網(wǎng)絡的特性和對非線性函數(shù)的模擬功能;介紹BP算法的優(yōu)、缺點;講授H網(wǎng)絡的組成結構,H網(wǎng)絡在解決優(yōu)化問題的優(yōu)越性。模糊理論講授模糊集合的概念,建立隸屬度函數(shù)的概念;介紹模糊規(guī)則的建立原則,模糊規(guī)則與模糊系統(tǒng)收入輸出量之間的關系;介紹模糊化以及模糊量精確化的幾種常用方法。遺傳算法和蟻群算法只作簡要介紹,重點介紹這兩種算法的特點和成功的應用實例,使學習者有一個感性認識,明確這種類型算法的“迭代”特點以及總體最優(yōu)目標與個體行為之間的聯(lián)系。

計算機視覺理論基礎主要介紹Marr的視覺計算理論、圖像的相關知識、傅立葉變換基礎;圖像預處理主要介紹像素亮度變換、幾何變換、直方圖修正、局部預處理、圖像復原;圖像分割主要介紹閾值處理方法、基于邊界的分割方法、基于區(qū)域的分割方法;形狀表示與描述主要介紹鏈碼、使用片斷序列描述邊界、尺度空間方法、基于區(qū)域的形狀表示與描述;物體識別主要介紹知識的表示、統(tǒng)計模式識別、神經(jīng)元網(wǎng)絡、遺傳算法、模擬退火、模糊系統(tǒng);圖像理解主要介紹并行和串行處理控制、分層控制、非分層控制;雙目立體視覺主要介紹雙目立體視覺原理、精度分析、系統(tǒng)結構、立體成像、立體匹配、系統(tǒng)標定;三維視覺技術主要介紹結構光三維視覺原理、光模式投射系統(tǒng)、標定方法、光度立體視覺、由紋理恢復形狀、激光測距法;主動視覺主要介紹從陰影恢復形狀、從運動恢復結構、主動跟蹤。

3.2智能控制理論與技術

本課程是“智能科學與技術”專業(yè)的一門重要專業(yè)課程,目的是使學生了解智能科學與控制理論結合所產(chǎn)生之智能控制理論的基本概念和應用價值;使學生熟知當前主流智能控制技術的種類,并掌握模糊控制、神經(jīng)網(wǎng)絡控制以及進化計算、群體智能的基礎知識,了解智能技術與傳統(tǒng)控制方法的結合點;加強MATLAB仿真實驗的訓練,以使學生更好地理解基礎知識,培養(yǎng)學生使用高級智能控制方法解決實際控制問題的能力。本課程的學習將使學生加深對控制理論的理解,明晰智能技術在控制中的應用技巧,也為本科生繼續(xù)深造打下基礎。本課程擬定64學時,其中授課54學時,實驗10學時。

教材內(nèi)容包括智能控制概論,介紹智能控制的發(fā)展歷程和應用領域,簡介幾種重要的智能控制方法;專家控制,簡介專家系統(tǒng)的基本結構,講授專家PID控制器的原理與設計方法;模糊控制,講授模糊數(shù)學基礎知識、傳統(tǒng)的模糊控制原理和控制器設計與實現(xiàn)方法、模糊PID控制的兩種形式,特別是PID控制參數(shù)的模糊整定技術;神經(jīng)網(wǎng)絡控制,講授前饋神經(jīng)網(wǎng)絡和遞歸神經(jīng)網(wǎng)絡中幾種典型的網(wǎng)絡模型以及學習算法、基于神經(jīng)網(wǎng)絡的線性系統(tǒng)辨識技術、神經(jīng)網(wǎng)絡逆模控制等;進化計算與控制,講授進化計算的概念、遺傳算法的原理及其與其他智能方法的結合,介紹遺傳機器人學;群體智能與控制,講授蟻群算法的基本原理及其在控制問題中的應用,介紹群體機器人學。

3.3單片機原理與應用

本課程是“智能科學與技術”專業(yè)的一門專業(yè)課程,目的是使學生了解單片機的組成原理及常用控制算法的實現(xiàn);掌握51系列單片機指令系統(tǒng)和一般匯編程序設計編寫方法;熟悉常用的單片機硬件擴展技術;在此基礎上,熟練掌握控制算法的單片機程序編寫與調試。本課程擬定54學時,其中授課38學時,實驗16學時。

教材內(nèi)容包括單片機系統(tǒng)概述,介紹單片機定義、單片機發(fā)展過程及單片機硬件結構;單片機指令系統(tǒng)及程序設計,介紹指令系統(tǒng)和匯編語言程序設計;硬件資源及接口技術,介紹硬件資源和接口技術;單片機使用技術,介紹抗干擾技術、C語言應用程序設計;依次介紹PID控制器、狀態(tài)反饋控制器、模糊控制器、系統(tǒng)辨識、卡爾曼濾波、滑模控制器、最優(yōu)控制器、魯棒控制器、自適應控制器、神經(jīng)網(wǎng)絡控制器的歷史沿革、基本原理、常用形式和單片機具體實現(xiàn)方法。

3.4嵌入式系統(tǒng)

本課程以當前主流的嵌入式系統(tǒng)技術為背景,以嵌入式系統(tǒng)原理為基礎,以嵌入式系統(tǒng)開發(fā)體系為骨架,以嵌入式控制系統(tǒng)開發(fā)為目標,較為全面地介紹嵌入式系統(tǒng)的基本概念、軟硬件的基本體系結構、軟硬件開發(fā)方法、相關開發(fā)工具、應用領域、熱門領域的開發(fā)實例以及當前的一些前沿動態(tài),為學生展示較為完整的嵌入式控制系統(tǒng)領域概況。本課程擬定64學時,其中授課48學時,實驗16學時。

教材依據(jù)嵌入式控制系統(tǒng)的特征,將控制算法、嵌入式系統(tǒng)硬件、操作系統(tǒng)、應用程序設計及組態(tài)軟件作為統(tǒng)一的技術平臺介紹,突出嵌入式技術在控制系統(tǒng)中應用的特點,重點介紹嵌入式控制系統(tǒng)軟硬件、電路、操作系統(tǒng)、實時性、可靠性等特性,從軟件體系結構及開發(fā)的角度出發(fā),強調實時調度、Bootloader、BSP、嵌入式實時多任務系統(tǒng)設計、交叉開發(fā)與仿真開發(fā)等關鍵技術,并特別引入了工業(yè)控制中需要的電磁兼容性設計和大量的典型嵌入式控制系統(tǒng)實例設計。通過本課程的學習,學生不但可以學會使用工具開發(fā)嵌入式軟硬件,而且可以從總體角度選擇適當?shù)募夹g和方法,全面規(guī)劃和設計嵌入式系統(tǒng)。

3.5智能工程

本課程是“智能科學與技術”專業(yè)的一門核心專業(yè)課程。面向智能技術的實際應用,著眼于解決工程應用中的技術問題,從典型系統(tǒng)設計案例分析出發(fā),通過大量實驗提高學生的工程實踐能力。本課程擬定36學時,全部為授課學時。

教材內(nèi)容包括智能工程概論,介紹智能工程現(xiàn)狀、工程設計原則和工程實際流程;常用傳感器原理,介紹傳感器一般特性、光電式傳感器和視覺傳感器;典型智能系統(tǒng)設計案例,包括智能移動機器人、智能電梯群控電梯等系統(tǒng)。

3.6智能機器人

課程通過對一個具有代表性的仿人機器人的拆解,將知識點拆解成6個主要教學模塊:1)機器人控制模塊,介紹各類控制模塊的原理與組成;2)機器人運動系統(tǒng),介紹電機與舵機的原理與控制方法;3)機器人動作系統(tǒng),介紹機器人各部件的協(xié)調控制;4)機器人視覺系統(tǒng),介紹典型的超聲波、影像傳感器的原理與識別算法;5)機器人表現(xiàn)系統(tǒng)原理,介紹人與機器人的交互原理;6)機器人通信系統(tǒng)原理,介紹機器人之間的數(shù)據(jù)與信息傳遞方法。學生學習時,能夠與基礎知識相聯(lián)系,并能掌握機器人這門技術,為從事機器人產(chǎn)品研發(fā)工作打下堅實的基礎。本課程擬定54學時,其中授課44學時,實驗10學時。

教材面向“智能科學與技術”專業(yè),同時兼顧信息類專業(yè)學生編寫,根據(jù)這類專業(yè)學生的知識結構和特點組織內(nèi)容。從具體的機器人控制需求出發(fā),將自動控制的基本理論和機器人控制特點相結合,講授機器人控制系統(tǒng)的組成、規(guī)律、特點和設計方法。理論上反映當前的最新進展,內(nèi)容上考慮初學者的需求,側重普及性、實用性和新穎性,結構體系符合信息類和控制類專業(yè)學生的特點,力求簡潔、清楚,對技術的敘述遵循目標、問題、理論依據(jù)、實現(xiàn)方法、實際情況、發(fā)展方向的方式。做到重點突出,符合實際,滿足需要,指導性強。

3.7智能控制系統(tǒng)

本課程是“智能科學與技術”專業(yè)的一門專業(yè)課程,使學生了解智能控制系統(tǒng)的基礎知識;掌握智能控制系統(tǒng)中最新的智能傳感技術、智能控制器、智能執(zhí)行能執(zhí)行器及智能網(wǎng)絡與接口技術;掌握智能控制系統(tǒng)中多個關鍵硬件裝置的識別及其使用。通過學習多個智能控制系統(tǒng)的開發(fā)實例,學生應掌握智能控制系統(tǒng)的設計方法與技術,堅實地掌握最新智能控制系統(tǒng)知識,提高理論聯(lián)系實際的能力,并為學習其他課程的打下堅實基礎。本課程擬定64學時,其中授課48學時,實驗16學時。

教材內(nèi)容包括概述,介紹智能控制系統(tǒng)的基本概念、基本內(nèi)容和機構及其發(fā)展趨勢;智能傳感系統(tǒng),講授智能數(shù)據(jù)采集技術、傳感器智能化的數(shù)據(jù)處理方法、多傳感器信息融合的方法、智能傳感器實現(xiàn)方法與典型實例;智能控制器設計,講授基于單片機的智能控制器設計及其應用、基于高性能嵌入式ARM的智能控制器設計及其應用、基于PLC的智能控制器設計及其應用;智能電動執(zhí)行器,講授智能電動執(zhí)行器的硬件實現(xiàn)技術,軟件設計技術以及典型的智能電動執(zhí)行器實例及其應用;智能網(wǎng)絡與接口技術,講授無線傳感器智能網(wǎng)絡,工業(yè)現(xiàn)場總線網(wǎng)絡以及智能傳感器、智能控制器和智能執(zhí)行器的網(wǎng)絡接口實現(xiàn)技術;智能控制系統(tǒng)設計實例,綜合利用前面的知識設計網(wǎng)絡化智能壓力傳感器的系統(tǒng)設計、基于聲音定位的智能機器人系統(tǒng)設計、基于微機電慣性傳感器的汽車多路況智能防撞系統(tǒng)的設計、大型設備的PLC智能控制系統(tǒng)設計。

4結語

通過南開大學、北京科技大學和河北工業(yè)大學3所高校的研討,我們凝練出較完整的“智能科學與技術”專業(yè)課程體系,體現(xiàn)出本專業(yè)的特色;提出可供3所高校共同使用的教學大綱和教材內(nèi)容,體現(xiàn)出學生培養(yǎng)的工程實踐導向。這些研究成果可以為開辦“智能科學與技術”專業(yè)的兄弟院校進一步研討提供藍本,也可以為籌建該專業(yè)的高校所參考。

注:本文受到北京科技大學教學研究會第六批教學研究課題、北京科技大學教育教學研究基金青年教師教育教學研究立項項目、河北工業(yè)大學教改項目(2010-12)支持。

參考文獻:

[1] 王萬森,鐘義信,韓力群,等. 我國智能科學技術教育的現(xiàn)狀與思考[J]. 計算機教育,2009(11):10-14.

[2] 教育部關于公布2009年度高等學校專業(yè)設置備案或審批結果的通知[S]. 教高〔2010〕2號,2010.

[3] 方勇純,劉景泰. 南開大學“智能科學與技術”專業(yè)教學體系與實驗環(huán)境建設[J]. 計算機教育,2009(11):21-25.

[4] 石志國,劉冀偉,王志良.“智能科學與技術”本科專業(yè)軟件實踐類課程建設探討[J]. 計算機教育,2009(11):93-97.

[5] 劉作軍,張磊,楊鵬,等. 談我校增設“智能科學與技術”專業(yè)的設想與措施[J]. 計算機教育,2009(11):53-56.

[6] 盧桂章. 無處不在的智能技術[J]. 計算機教育,2009(11):68-72.

A Study on the Course System and Textbook Construction for the Discipline of

Intelligence Science and Technology

YANG Peng1, ZHANG Jian-xun2, LIU Ji-wei3, ZHANG Lei1

(1. Hebei University of Technology, Tianjin 300130, China; 2.Nankai University, Tianjin 300071, China;

3. University of Science and Technology Beijing, Beijing 100083, China)